小波Contourlet变换图像压缩算法

为改进Contourlet变换冗余大的缺点,提出了一种小波Contourlet变换的图像压缩优化算法。实验结果表明,在高压缩率下算法具有优势。     

一种新的Contourlet变换图像降噪算法

Contourlet变换使用一组类似于线段的基结构来逼近原图像,拥有良好的各向异性特征,非常适用于图像处理的各种方法.针对Contourlet变换的多尺度多方向的特性,提出了一种新的自适应多阈值,软硬阈值函数相结合的图像降噪方法,该方法在不同尺度不同方向下选择不同的阈值,充分考虑了图像的纹理、方向和尺度,保留了两种阈值函数的优点,使得降噪后的图像在信噪比上有所提高,并有效保持了图像纹理信息,得到更好的视觉效果.     

基于离散余弦和Contourlet混合变换域的图像水印方案

针对多媒体资源的版权保护问题,结合离散余弦变换和Contourlet变换的优点,提出了一种基于离散余弦变换和Contourlet混合变换域的数字图像水印算法．该算法采用二值图像作为水印,利用混沌映射对水印图像进行加密．将水印嵌入到人眼最不敏感的蓝色分量的离散余弦和Contourlet混合变换域的低通采样逼近子带中,增加了嵌入信息容量．仿真结果表明该水印算法不仅具有较好的安全性、不可见性和稳健性,而且水印采用盲提取,不需要载体图像的信息,更有利于实际应用．     

基于Contourlet变换和不变矩的图像检索方法

利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

基于局部邻域信息的Contourlet变换域图像去噪

分析了Contourlet变换系数间的统计特性,提出了一种新的基于Contourlet变换的图像去噪算法。这种算法考虑相邻Contourlet系数间的相关性,认为某一位置"干净"的Contourlet系数不仅与这一位置本身的含噪系数有关,也与其周围邻域的含噪系数有关。实验结果表明,所提出的算法不仅能得到较满意的"线形结构",而且也能获得比现有方法更高的信噪比。     

Contourlet变换的图像分割

针对小波域隐马尔可夫树模型分割的图像结果容易产生方向边缘成分模糊和奇异性扩散现象,根据Contourlet变换可以充分捕捉图像中高维奇异性,提出了一种基于Contourlet变换域的新的多尺度图像分割算法.该算法通过Contourlet域隐马尔科夫树模型获得各尺度上的初始分割,采用自适应的上下文结构对分割后的图像进行多...     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

基于局部邻域信息的Contourlet变换域图像去噪

分析了Contourlet变换系数间的统计特性,提出了一种新的基于Contourlet变换的图像去噪算法.这种算法考虑相邻Contourlet系数间的相关性,认为某一位置"干净"的Contourlet系数不仅与这一位置本身的含噪系数有关,也与其周围邻域的含噪系数有关.实验结果表明,所提出的算法不仅能得到较满意的"线形结构",而且也能获得比现有方法更高的信噪比.     

小波变换在图像压缩中的应用

为了探讨基于小波变换的图像压缩方法,结合SPIHT算法,提出了图像压缩编码方案,该方案不仅能有效地控制计算量,满足实时处理的需求,而且可以方便地实现子频带编码.通过为典型的512×512×8的灰度图像进行仿真,结果表明,压缩后得到图像峰值信噪比为32.14 dB.     

一种新的基于Contourlet变换的数字图像零水印算法

提出了一种基于Contourlet变换的数字图像零水印算法。算法首先对宿主图像进行Contourlet变换得到低通子带和带通子带,建立Contourlet系数与行列式之间的大小关系,利用该关系同时结合加密后水印图像构造零水印。实验结果表明,该水印算法对JPEG压缩、滤波、噪声、缩放、剪切等多种攻击具有很强的鲁棒性。同时,水印图像的双重加密提高了系统的安全性。     

非降采样Contourlet域方向区域多聚焦图像融合算法

提出了一种基于方向区域特性的非降采样Contourlet域多聚焦图像融合算法。算法将图像进行非降采样Contourlet变换为不同方向的高低频子带,低频子带和高频子带中分别采用方向区域的方差匹配度和能量作为融合规则,其中方向区域与当前子带分解方向保持一致,最后,通过反变换得到融合图像。实验结果表明,本文提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征。将现有的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于非降采样Contourlet变换的方向区域特性的图像融合算法是一种有效可行的图像融合算法。     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

基于奇异值分解的Contourlet域三维彩码鲁棒水印算法

移动互联网时代,三维彩码因其技术优势和便捷性成为条码发展的新趋势,但其版权保护问题也随之而来。结合奇异值分解提出了一种基于Contourlet变换域的鲁棒水印算法,首先对载体图像的蓝色分量进行Contourlet变换,然后对其产生的逼近子带进行奇异值分解再嵌入水印。实验结果表明提出的算法有良好的不可见性和鲁棒性,即使在水印嵌入强度微小、几乎不改变宿主图像的同时依然能很好地提取水印,不仅可对三维彩码进行版权保护,而且对常见攻击如JPEG压缩、噪声、滤波、旋转、裁切等具有较强的鲁棒性。     

基于Contourlet变换的图像隐写盲检测方法

图像通用盲检测技术主要通过机器学习实现,隐写分析特征直接决定了盲检测技术的性能。基于图像信源在多尺度和多方向性的统计特性,文章将Contourlet变换与隐写分析相结合提出一种盲检测方法。首先通过分析不同内容的图像细节分量隐写前后特征函数的变化,选用带通特征函数矩。通过分析比较两种不同的图像预测方法对隐写检测性能的影响,提取待检测图像及其预测误差高频子带系数的特征函数矩作为检测特征,通过支持向量机进行分类。以BOWS和UCID图像库为测试图像的实验结果表明,该方法较现有典型方法具有更好的检测性能。     

粒子群优化Contourlet变换的遥感影像融合算法研究

Contourlet变换能有效地应用在图像增强领域,基于Contourlet变换的遥感影像融合算法常采用高频低频替换和频域线性加权两种融合方法,因此,通过粒子群优化算法对基于Contourlet变换分解不同子带图像所需的不同加权系数进行优化,采用多元回归分析方法设定目标函数,实现了全色影像与多光谱影像的融合,与传统的Contourlet变换、PCA算法、高通滤波遥感影像融合算法相比较,新方法在提高影像清晰度的同时在光谱保真度方面相对于其他算法有明显优势.